简介:TheGurbantunggutDesertisthelargeststableandsemi-stablesanddesertinChina,yetfewdataexistonvegetationpatternandspecies-environmentrelationshipsforthesediversedesertlandscapes.Thesanddunesofthesurveyareaaremainlyofthelongitudinalformfromnorthtosouth,butcheckerboard-shapedandhoneycomb-shapedformsarealsopresent,withtheheightof10-50m.Wemeasuredvegetationandsoildataonnorth-southtransectsandcomparedthemwithvegetationandsoildataoneast-westtransects.Analysisrevealedthatthevaryingtrendandstrengthofthespeciesdiversity,dominanceandcoveroftheplantcommunitiesinthelongitudinalandtransversedirectionsacrossthelandscapearesignificantlydifferent.TheresultsofCCAordinationshowthatthemicro-habitatsofsoilorganicmatter(OM),soilsalts(TS),sortingindex(σ),topsoilwater-content(SM)andpHrelatetothedifferencesinvegetationobservedasdifferencesinspeciesassemblagefromsalt-intolerantephemerals,micro-subshrubsandsubshrubstosalt-tolerantshrubsandmicro-arbors.Theterrain(alt.)andsoiltexture(thecontentsofMzandφ1)affectthespatialdifferentiationofmanyspecies.However,thisspatialdifferentiationisnotsomarkedontransectsrunninglongitudinallywiththelandscape,inthesamedirectionasthedunes.Thespeciesofthedesertvegetationhaveformedthreeassemblagesundertheactionofhabitatgradients,relatingtothreesectionsrunningtransverselyacrossthelandscape,atrightanglestothedirectionofthedunecrests.Inthemid-eastsectionofthestudyareathetopographyishigher,withsand-landsordune-slopeswithcoarseparticles.HerethedominantvegetationcomprisesshrubsandsubshrubsofSeriphidiumsantoliumandEphedradistachya,withlargenumbersofephemeralandephemeroidplantsofSeneciosubdentatus,andCarexphysodesinspringandsummer.Onthesoilofthedune-slopesinthemidwestofthestudyarea,withcoarseparticlesandabundantTK,theplantassemblageofHaloxylonpersicu
简介:为了掌握洪湖水质未来的变化情况以及预防污染事件的发生,建立了一个BP神经网络水质指标预测模型。利用洪湖1990~2014年的水质指标实测数据作为学习样本,选取了pH、溶解氧(DO)、铵态氮(NH4+—N)、硝态氮(NO3-—N)、总氮(TN)、总磷(TP)6项指标作为预测参数,建立了BP神经网络模型,并运用该模型对洪湖水质指标进行了预测,同时引入一元线性回归模型与GM(1,1)灰色预测模型与该模型进行对比。结果表明,BP神经网络模型预测的水质指标的相关性系数都在0.998以上,平均相对误差都控制在2.5%以内,对单个指标的预测相对误差也都小于9%,明显优于一元线性回归模型和灰色预测模型;BP神经网络模型预测精度较高,预测速度快,能够相对准确地预测大部分水质指标,可以有效地应用于洪湖以及其它水域水质指标的预测和水质趋势的预警预报系统中。
简介:本文应用山仔水库2003~2006年叶绿素a浓度、总磷浓度、总氮浓度、水温、溶解氧浓度、高锰酸盐指数、pH值7个参数监测数据对人工神经网络模型进行训练,在此基础上应用1997—2002年除叶绿素a浓度外其他6个参数监测数据,推算出1997~2002年间缺失的叶绿素a浓度,并对1997—2006年春末夏初的叶绿素a浓度动态进行分析,结果表明:山仔水库1997年建库初期,叶绿素a浓度处于较高水平,2000年以后叶绿素a浓度开始降低,近几年基本保持稳定.2003—2006年叶绿素a浓度呈季节周期性变化,春末经夏季到初秋,叶绿素a浓度持续升高,冬季下降明显,春季又开始回升;说明近几年山仔水库水体春末夏季秋初处于富营养化水平,秋末冬季处于中营养水平.本研究结果将为山仔水库的富营养化防治提供科学依据.